Nginx日志可直接分析PV、UV、跳出率等核心指标：需自定义日志格式包含remote_addr、time_local、request_method、uri、status、referer、user_agent；PV过滤非GET/非200/静态资源；UV用IP+UA哈希去重；跳出率基于会话（IP+UA+30分钟超时）及referer判断。
用 Nginx 日志做用户行为分析，不需要上大数据平台，也能快速落地 PV、UV、跳出率等核心指标。关键在于日志格式设计、清洗逻辑合理、聚合口径清晰——不是所有访问都算“有效页面浏览”，也不是所有 IP 都能直接当 UV。
一、Nginx 日志格式必须包含哪些字段？
默认 log_format 往往缺失关键信息，建议自定义一个支持行为分析的格式：
- $remote_addr 或 $http_x_forwarded_for（用于近似识别客户端，注意代理场景）
- $time_local（精确到秒，用于会话切分和时间维度统计）
- $request_method $uri $args（完整请求路径，便于过滤非 GET 页面、排除 API 和资源请求）
- $status（只统计 200 响应，排除 4xx/5xx 的无效访问）
- $http_referer（判断是否为跳出：referer 为空或来自站外且无后续点击）
- $http_user_agent（辅助识别爬虫、区分移动端/PC）
- $request_time（可选，用于后续加载性能关联分析）
示例配置：
log_format behavior '$remote_addr - $remote_user [$time_local] "$request" $status $body_bytes_sent "$http_referer" "$http_user_agent" $request_time';二、PV 统计：不只是 count(*)
PV（Page View）是页面被加载的次数，但需过滤噪音：
- 排除非 HTML 请求：如
.js、.css、.png、/api/、/health等静态资源和接口路径 - 只保留
GET方法（POST/PUT/DELETE 一般不触发页面渲染） - 只统计
200响应（跳转、错误页不计入有效 PV） - 可选：排除已知爬虫 UA（如
HeadlessChrome、bot、spider，正则匹配）
一条典型 PV 过滤命令（awk 示例）：
三、UV 统计：IP + User-Agent 组合更可靠
单靠 IP 易误判（校园/企业出口 NAT），仅靠 UA 易误合（同一浏览器多设备）。推荐组合去重：
- 对每条有效请求，生成唯一标识：
md5($remote_addr "-" substr($http_user_agent, 1, 64)) - 若使用 CDN，优先取
$http_x_forwarded_for（需 Nginx 配置set_real_ip_from并启用real_ip_header X-Forwarded-For;） - 剔除明显爬虫 UA 后再哈希，避免机器人刷 UV
- 按天统计时，确保时间字段截断到
YYYY-MM-DD级别，避免跨天重复
简单去重统计（Linux + awk + sort + uniq）：
awk '$6=="200" && $4~/^"GET/ && $5!~/\.(js|css|png)/ {print $1"-"substr($12,1,64)}' access.log | sort | uniq | wc -l四、跳出率：依赖 referer + 同一会话内行为
跳出率 = 单页会话数 / 总会话数。难点在于“会话”定义：
- 以
$remote_addr + $http_user_agent为会话 ID（同设备+浏览器） - 会话超时设为 30 分钟：相邻请求时间差 ≤1800 秒视为同会话
- 若某次请求的
$http_referer为空，或来自站外（!~ /^https?:\/\/yourdomain\.com/），且该会话中只有这一次请求 → 计为跳出 - 注意：首页访问天然 referer 为空，不能直接等同于跳出；必须结合“是否为会话首请求 + 会话总请求数=1”来判定
实际计算建议用 Python 或 Logstash 聚合，原始日志中按会话 ID + 时间排序后滑动窗口处理更准确。
